Statistical experiment design and analytics are at the heart of data science. In this course you will design statistical experiments and analyze the results using modern methods. You will also explore the common pitfalls in interpreting statistical arguments, especially those associated with big data. Collectively, this course will help you internalize a core set of practical and effective machine learning methods and concepts, and apply them to solve some real world problems.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Skalierte Datenverarbeitung
34.844 bereits angemeldet
von
Spezialisierung Skalierte DatenverarbeitungUniversity of WashingtonÜber diesen Kurs
3.067 kürzliche Aufrufe
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 2 von 4 in
Ca. 7 Stunden zum Abschließen
Englisch
Untertitel: Französisch, Portugiesisch (europäisch), Koreanisch, Russisch, Englisch, Spanisch
Kompetenzen, die Sie erwerben
- Random Forest
- Predictive Analytics
- Machine Learning
- R Programming
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 2 von 4 in
Ca. 7 Stunden zum Abschließen
Englisch
Untertitel: Französisch, Portugiesisch (europäisch), Koreanisch, Russisch, Englisch, Spanisch
von
University of Washington
Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world.
Lehrplan - Was Sie in diesem Kurs lernen werden
2 Stunden zum Abschließen
Practical Statistical Inference
Learn the basics of statistical inference, comparing classical methods with resampling methods that allow you to use a simple program to make a rigorous statistical argument. Motivate your study with current topics at the foundations of science: publication bias and reproducibility.
2 Stunden zum Abschließen
28 Videos (Gesamt 121 min)
3 Stunden zum Abschließen
Supervised Learning
Follow a tour through the important methods, algorithms, and techniques in machine learning. You will learn how these methods build upon each other and can be combined into practical algorithms that perform well on a variety of tasks. Learn how to evaluate machine learning methods and the pitfalls to avoid.
3 Stunden zum Abschließen
26 Videos (Gesamt 111 min), 1 Lektüre, 1 Quiz
1 Stunde zum Abschließen
Optimization
You will learn how to optimize a cost function using gradient descent, including popular variants that use randomization and parallelization to improve performance. You will gain an intuition for popular methods used in practice and see how similar they are fundamentally.
1 Stunde zum Abschließen
11 Videos (Gesamt 41 min)
1 Stunde zum Abschließen
Unsupervised Learning
A brief tour of selected unsupervised learning methods and an opportunity to apply techniques in practice on a real world problem.
1 Stunde zum Abschließen
4 Videos (Gesamt 21 min)
Bewertungen
- 5 stars48,05 %
- 4 stars32,14 %
- 3 stars10,06 %
- 2 stars5,51 %
- 1 star4,22 %
Top-Bewertungen von PRACTICAL PREDICTIVE ANALYTICS: MODELS AND METHODS
von KP7. Feb. 2016
I enjoy this course. The delivery and the course topics were very interesting. I learnt a lot and peer reviewing other people assignments is a great learning opportunity .
von CY19. Juli 2016
Nive that the course covered a broad range of topics. And good to get pushed to do some kaggle competition and peer review.
von KR10. Nov. 2015
Very nice assignments and content. You learn a lot when you complete all assignments.
von AS23. Nov. 2015
Excellent course with amazing practical exercises!
Über den Spezialisierung Skalierte Datenverarbeitung
Learn scalable data management, evaluate big data technologies, and design effective visualizations.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
